Fugu-MT 論文翻訳(概要): Beyond Imperfections: A Conditional Inpainting Approach for End-to-End Artifact Removal in VTON and Pose Transfer

論文の概要: Beyond Imperfections: A Conditional Inpainting Approach for End-to-End Artifact Removal in VTON and Pose Transfer

arxiv url: http://arxiv.org/abs/2410.04052v1
Date: Sat, 5 Oct 2024 06:18:26 GMT
ステータス: 処理完了
システム内更新日: 2024-11-02 14:30:41.713930
Title: Beyond Imperfections: A Conditional Inpainting Approach for End-to-End Artifact Removal in VTON and Pose Transfer
Title（参考訳）: 欠陥を超えて:VTONのエンド・ツー・エンドアーティファクト除去とポス移行のための条件付き塗装法
Authors: Aref Tabatabaei, Zahra Dehghanian, Maryam Amirmazlaghani,
Abstract要約: アーティファクトは仮想試行錯誤(VTON)の視覚的品質を低下させ、転送アプリケーションをポーズする。本研究では,そのような歪みを検知・除去する条件付き塗装技術を紹介する。
参考スコア（独自算出の注目度）: 2.990411348977783
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Artifacts often degrade the visual quality of virtual try-on (VTON) and pose transfer applications, impacting user experience. This study introduces a novel conditional inpainting technique designed to detect and remove such distortions, improving image aesthetics. Our work is the first to present an end-to-end framework addressing this specific issue, and we developed a specialized dataset of artifacts in VTON and pose transfer tasks, complete with masks highlighting the affected areas. Experimental results show that our method not only effectively removes artifacts but also significantly enhances the visual quality of the final images, setting a new benchmark in computer vision and image processing.
Abstract（参考訳）: アーティファクトはしばしば仮想トライオン(VTON)の視覚的品質を低下させ、ユーザエクスペリエンスに影響を与える。本研究では,そのような歪みを検知・除去し,画像美学を向上する条件付き塗装技術を提案する。我々の研究は、この問題に対処するエンド・ツー・エンド・エンドのフレームワークを初めて提示し、VTONでアーティファクトの特別なデータセットを開発し、影響を受ける領域をハイライトしたマスクを完備した、転送タスクをポーズさせた。実験結果から,本手法は人工物を効果的に除去するだけでなく,最終画像の視覚的品質を大幅に向上させ,コンピュータビジョンと画像処理における新たなベンチマークを設定できることがわかった。

関連論文リスト

Image inpainting enhancement by replacing the original mask with a self-attended region from the input image [44.8450669068833]
視覚変換器(ViT)を用いた画像インペイントのための新しい深層学習に基づく事前処理手法を提案する。当社のアプローチでは,マスク付き画素値をViTで生成されたものと置き換えることによって,注目行列内の多様な視覚的パッチを活用し,識別空間的特徴を捉える。
論文参考訳（メタデータ） (2024-11-08T17:04:05Z)
DiffUHaul: A Training-Free Method for Object Dragging in Images [78.93531472479202]
DiffUHaulと呼ばれるオブジェクトドラッグタスクのためのトレーニング不要な手法を提案する。まず、各認知段階に注意マスキングを適用して、各生成を異なるオブジェクトにまたがってよりゆがみやすくする。初期のデノナイジングステップでは、ソース画像とターゲット画像の注意特徴を補間して、新しいレイアウトを元の外観とスムーズに融合させる。
論文参考訳（メタデータ） (2024-06-03T17:59:53Z)
Joint Quality Assessment and Example-Guided Image Processing by Disentangling Picture Appearance from Content [30.939589712281684]
ディープラーニングは、スタイル/ドメイン転送、強化/復元、視覚的品質評価といった低レベルの画像処理タスクに影響を与えている。我々はこの観察を利用して、入力をコンテンツや外観特徴に分解する新しい非絡み合い表現学習法を開発した。本研究では,DisQUEが品質予測タスクや歪みタイプにまたがって精度を達成できることを示す。
論文参考訳（メタデータ） (2024-04-20T23:02:57Z)
PRISM: Progressive Restoration for Scene Graph-based Image Manipulation [47.77003316561398]
PRISMは、シーン内の操作された領域の精度と品質を改善するために、新しいマルチヘッド画像操作手法である。本研究は,シーングラフに基づく画像操作の品質と精度を高めるためのアプローチの可能性を示すものである。
論文参考訳（メタデータ） (2023-11-03T21:30:34Z)
Perceptual Artifacts Localization for Image Synthesis Tasks [59.638307505334076]
我々は10,168個の画像からなる新しいデータセットを導入し,それぞれに知覚的アーティファクトラベルを付加した。提案したデータセットに基づいてトレーニングされたセグメンテーションモデルは、さまざまなタスクにまたがるアーティファクトを効果的にローカライズする。生成した画像の知覚的アーティファクトをシームレスに修正する,革新的なズームイン・インペインティングパイプラインを提案する。
論文参考訳（メタデータ） (2023-10-09T10:22:08Z)
TexPose: Neural Texture Learning for Self-Supervised 6D Object Pose Estimation [55.94900327396771]
合成データから6次元オブジェクトポーズ推定のためのニューラルネットワークによるテクスチャ学習を提案する。実画像からオブジェクトの現実的なテクスチャを予測することを学ぶ。画素完全合成データからポーズ推定を学習する。
論文参考訳（メタデータ） (2022-12-25T13:36:32Z)
C-VTON: Context-Driven Image-Based Virtual Try-On Network [1.0832844764942349]
本稿では,選択した衣服を対象者に確実に転送するコンテキスト駆動型仮想トライオンネットワーク(C-VTON)を提案する。 C-VTONパイプラインのコアには、(i)入力画像中の人物のポーズに目的の衣服を効率よく整列する幾何マッチング手順と、(ii)最終試行結果に様々な種類の文脈情報を利用する強力な画像生成装置とがある。
論文参考訳（メタデータ） (2022-12-08T17:56:34Z)
Perceptual Artifacts Localization for Inpainting [60.5659086595901]
そこで本研究では,知覚的アーティファクトの自動セグメンテーションの学習タスクを提案する。データセット上で高度なセグメンテーションネットワークをトレーニングし、インペイントされた画像内のインペイントされたアーティファクトを確実にローカライズする。また, 対象領域と対象領域全体との比率である知覚人工物比 (PAR) という新しい評価指標を提案する。
論文参考訳（メタデータ） (2022-08-05T18:50:51Z)
End-to-End Visual Editing with a Generatively Pre-Trained Artist [78.5922562526874]
対象画像編集の問題として、ソース画像内の領域と、所望の変更を指定したドライバ画像とをブレンドすることを考える。対象領域のオフザシェルフ画像を拡大することにより編集をシミュレートする自己教師型アプローチを提案する。我々は、モデルアーキテクチャに他の変更を加えることなく、拡張プロセスの直感的な制御によって異なるブレンディング効果が学習できることを示します。
論文参考訳（メタデータ） (2022-05-03T17:59:30Z)
Controllable Person Image Synthesis with Spatially-Adaptive Warped Normalization [72.65828901909708]
制御可能な人物画像生成は、望ましい属性を持つ現実的な人間の画像を作成することを目的としている。本稿では,学習フロー場とワープ変調パラメータを統合した空間適応型ワープ正規化(SAWN)を提案する。本稿では,テクスチャ・トランスファータスクの事前学習モデルを洗練するための,新たな自己学習部分置換戦略を提案する。
論文参考訳（メタデータ） (2021-05-31T07:07:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。